لم يعد السؤال في مجالس الإدارة السعودية "هل نتبنّى الذكاء الاصطناعي؟" بل "على أي نموذج نبني، وأين تقيم بياناتنا، ومن يحكم قراراته؟". خلال أشهر قليلة تحوّل المشهد من ندرة النماذج إلى فيض غامر: من جهة نموذج علّام العربي الذي طوّرته الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا)، ومن جهة أخرى موجة عارمة من النماذج الصينية مفتوحة المصدر التي تُنشر مجاناً بأوزان قابلة للتحميل. القرار لم يعد تقنياً بحتاً، بل مسألة سيادة رقمية وحوكمة وامتثال ترتبط مباشرة بمستهدفات رؤية 2030.
لماذا صارت السيادة على الذكاء الاصطناعي أولوية وطنية
السيادة الرقمية تعني ببساطة أن تبقى القرارات المصيرية — أين تُخزَّن بياناتك، وبأي منطق تُتّخذ توصيات النموذج، ومن يملك حقّ إيقافه أو تعديله — تحت سلطة وطنية لا تحت رحمة مزوّد أجنبي قد تتغيّر سياساته أو تفرض عليه بلاده قيوداً تصديرية بين ليلة وضحاها.
المملكة أدركت هذا مبكراً. سياسة الحوسبة السحابية أولاً ونظام تصنيف البيانات الوطني وأطر الهيئة الوطنية للأمن السيبراني (NCA) كلها تدفع نحو أن تبقى البيانات الحسّاسة والحكومية داخل الحدود الجغرافية للمملكة. ومع تأسيس شركات وطنية كبرى للذكاء الاصطناعي مدعومة من صندوق الاستثمارات العامة، صار الطموح واضحاً: ألّا تكون السعودية مجرّد مستهلك لتقنية يصنعها الآخرون، بل صانعاً ومصدّراً للبنية التحتية والنماذج في المنطقة كلها. الاعتماد الكامل على واجهة برمجية تعمل من مركز بيانات في كاليفورنيا أو في مقاطعة صينية يناقض هذا الطموح جوهرياً.
علّام والنماذج العربية: أبعد من مجرد ترجمة
كثيرون يظنون أن ميزة النموذج العربي هي "أنه يتكلم عربي". الحقيقة أعمق من ذلك بكثير. النماذج الغربية والصينية دُرِّبت على متون يغلب عليها الإنجليزية والصينية، والعربية فيها لغة هامشية غالباً ما تُعامَل عبر الترجمة الآلية، فتخرج بلهجة ركيكة تخلط الفصحى بالعامية وتعجز عن فهم السياق الخليجي والمصطلحات الشرعية والتنظيمية المحلية.
نموذج مثل علّام بُني ليتعامل مع العربية الفصحى واللهجات كلغة أصلية لا كلغة منقولة، وهذا يهم أي جهة تخدم المواطن مباشرة: منصات حكومية، بنوك، شركات اتصالات، جهات صحية. الأهمّ أن مواءمة النموذج مع المنظومة القيمية والثقافية والتنظيمية المحلية ليست ترفاً، بل شرط قبول. مساعد آلي في جهة حكومية سعودية لا يمكن أن يفتي أو يجيب بما يخالف الأنظمة أو الذوق العام. هذه المواءمة تُبنى في مرحلة التدريب والضبط، ويصعب حقنها لاحقاً في نموذج أجنبي مغلق لا تملك أوزانه ولا بيانات تدريبه.
طوفان النماذج الصينية المفتوحة: فرصة حقيقية وفخّ حوكمة
في المقابل، لا يمكن تجاهل الجودة المذهلة لبعض النماذج الصينية المفتوحة المصدر التي أطلقتها مختبرات كبرى، والتي تنافس أقوى النماذج المغلقة بكسر بسيط من تكلفتها. إغراؤها مشروع: أوزان قابلة للتحميل، تشغيل داخل بنيتك التحتية، حرية تعديل، وتوفير هائل في الفاتورة. بالنسبة لمهندس يبني نظاماً داخلياً، تبدو صفقة لا تُرفض.
لكن الجودة التقنية شيء والجدارة بالثقة شيء آخر. قبل أن تبني عليها نظاماً إنتاجياً، ضع في حسبانك:
- ▸الرقابة والانحياز المضمّن: هذه النماذج ضُبطت وفق أطر محتوى بلد المنشأ، وقد ترفض أو تحرّف موضوعات معيّنة أو تحمل انحيازات لا تناسب سياقك.
- ▸سلسلة التوريد والثقة في الأوزان: أوزان مفتوحة لا يعني بيانات تدريب شفافة؛ يصعب التحقّق من خلوّها من أبواب خلفية أو سلوك خبيث مُضمَّن.
- ▸الامتثال التنظيمي: تشغيلك للنموذج لا يُعفيك من نظام حماية البيانات الشخصية (PDPL) ومتطلبات تصنيف البيانات؛ المسؤولية تبقى عليك أنت.
- ▸الاستدامة: النموذج المجاني اليوم قد يُهجَر غداً أو تتغيّر رخصته، فتجد نفسك عالقاً بلا مسار ترقية.
النقطة الجوهرية: المفتوح المصدر ميزة سيادية عظيمة إن أحسنت حوكمته — لأنه يمكّنك من تشغيله داخل حدودك بلا تسريب بيانات لواجهة خارجية. لكنه يتحوّل إلى مسؤولية إن تبنيته دون تدقيق أمني وطبقة حوكمة. الاختيار الذكي ليس "عربي ضد صيني"، بل معمارية هجينة: نموذج عربي متوائم للواجهات الحسّاسة والمواطن، ونماذج مفتوحة مدقّقة ومستضافة محلياً للأحمال الداخلية.
قائمة تحقّق: كيف تبني ذكاءً اصطناعياً مؤسسياً موثوقاً
قبل نقل أي نموذج إلى الإنتاج، اعبر هذه الخطوات بالترتيب:
1. صنّف بياناتك أولاً: طبّق نظام تصنيف البيانات الوطني وحدّد ما هو سرّي أو حسّاس أو حكومي قبل أن تقرّر أي نموذج يلمسه. 2. ثبّت إقامة البيانات: اشترط أن تبقى بيانات التدريب والاستدلال والسجلّات داخل مناطق سعودية معتمدة، ووثّق ذلك تعاقدياً. 3. اختر النموذج حسب الحمل لا حسب الضجيج: عربي متوائم للتفاعل مع المواطن، ومفتوح مدقّق للمهام الداخلية. 4. دقّق سلسلة التوريد: افحص رخصة النموذج وأصله وسلوكه الأمني قبل الاعتماد عليه. 5. أضف طبقة حوكمة: سجّل كل استعلام واستجابة، وضع حواجز أمان للمحتوى، وآلية تدخّل بشري في القرارات الحسّاسة. 6. قِس التحيّز والدقة بالعربية: اختبر النموذج على حالات محلية حقيقية لا على معايير إنجليزية مترجمة. 7. خطّط لمسار خروج: صمّم بنيتك بطبقة تجريد تسمح بتبديل النموذج دون إعادة بناء النظام كاملاً.
الحوكمة والامتثال: من PDPL إلى معايير المنطقة
الإطار التنظيمي في المملكة نضج بسرعة. نظام حماية البيانات الشخصية (PDPL) بلائحته التنفيذية بات ساري المفعول ويُطبَّق فعلياً، ويفرض ضوابط صارمة على المعالجة والنقل عبر الحدود وحقوق أصحاب البيانات. يُضاف إليه ضوابط سدايا لأخلاقيات الذكاء الاصطناعي وأطر الأمن السيبراني من الهيئة الوطنية.
وحتى لو كان جمهورك سعودياً، فإن أي مؤسسة تتعامل مع السوق الأوروبية صارت معنية بـقانون الذكاء الاصطناعي الأوروبي (EU AI Act) الذي دخلت التزاماته حيّز التطبيق تدريجياً، وبمتطلبات اللائحة العامة لحماية البيانات (GDPR). الشركات ذات الطموح التصديري تجد نفسها أمام معيارين: المحلي والأوروبي. بناء نظام يرضي الاثنين معاً منذ اليوم الأول أرخص بكثير من إعادة الهندسة لاحقاً تحت ضغط تدقيق أو غرامة.
لماذا TuniCyberLabs شريك قريب لبناء ذكائك السيادي
بناء ذكاء اصطناعي سيادي موثوق يحتاج فريقاً هندسياً يفهم الحوكمة بقدر ما يتقن النماذج — وهنا يبرز نموذج TuniCyberLabs القائم على الهندسة القريبة (Nearshore) من تونس بمظلّة أوروبية من إستونيا.
الميزة الأولى هي تطابق التوقيت: فريقنا في سوسة يعمل ضمن نافذة زمنية قريبة من الرياض، فتحصل على تعاون حيّ خلال يوم عملك لا ردوداً متأخرة عبر القارات. الميزة الثانية هي اللغة: مهندسون يعملون بالعربية والإنجليزية والفرنسية، يفهمون سياقك دون وسيط، وهذا حاسم في مشاريع النماذج العربية. الميزة الثالثة العقود والامتثال: تتعاقد مع كيان أوروبي في تالين خاضع لـ GDPR وأطر الاتحاد، فتحصل على غطاء تعاقدي يرضي مستهدفات إقامة البيانات ويسهّل التوسّع نحو أوروبا. أضف إلى ذلك الكفاءة في التكلفة دون مساومة على الجودة، وخبرة تجمع الأمن السيبراني والسحابة وتكامل الأنظمة تحت سقف واحد.
عملياً، نساعدك على تصنيف بياناتك، واستضافة النماذج المفتوحة المدقّقة داخل بنيتك، ومواءمة نموذج عربي مثل علّام مع سير عملك، وبناء طبقة الحوكمة التي تجعل نظامك جاهزاً للتدقيق — بحيث يتحوّل طموح رؤية 2030 من شعار إلى نظام إنتاجي يعمل تحت سيطرتك الكاملة.